机器学习(Machine Learning)是通过非显性编程让计算机获得学习的能力，这在现代计算机科学中有着广泛的应用，从google的搜索分类，到OCR的训练以及AlphaGo的人工智能等等。本文是Coursera上吴恩达教授的《Machine Learning》系列课程的第一篇笔记：线性回归之单变量。

机器学习(Machine Learning)是通过非显性编程让计算机获得学习的能力，这在现代计算机科学中有着广泛的应用，从google的搜索分类，到OCR的训练以及AlphaGo的人工智能等等。本文是Coursera上吴恩达教授的《Machine Learning》系列课程的第一篇笔记：线性回归之单变量。

机器学习(Machine Learning)是通过非显性编程让计算机获得学习的能力，这在现代计算机科学中有着广泛的应用，从google的搜索分类，到OCR的训练以及AlphaGo的人工智能等等。本文是Coursera上吴恩达教授的《Machine Learning》系列课程的第一篇笔记：线性回归之单变量。

机器学习(Machine Learning)是通过非显性编程让计算机获得学习的能力，这在现代计算机科学中有着广泛的应用，从google的搜索分类，到OCR的训练以及AlphaGo的人工智能等等。本文是Coursera上吴恩达教授的《Machine Learning》系列课程的第一篇笔记：线性回归之单变量。

机器学习(Machine Learning)是通过非显性编程让计算机获得学习的能力，这在现代计算机科学中有着广泛的应用，从google的搜索分类，到OCR的训练以及AlphaGo的人工智能等等。本文是Coursera上吴恩达教授的《Machine Learning》系列课程的第一篇笔记：线性回归之单变量。

MySQL是关系数据库管理系统的代表，在互联网上有广泛的应用。本文我们来简单介绍MySQL的基本知识，并且总结它95%的用途，以供日后使用参考。

相比较机器学习要显性输入feature，卷积神经网络(Convolutional Neural Networks)可以自己提取feature。本文是Stanford "CS231n： Convolutional Neural Networks for Visual Recognition"的第一篇笔记。

本文简单总结Matlab和Octave的基础用法，以供参考。

本文介绍大数据机器学习。拥有大量数据(而不是好的算法)才是机器学习的根本。对于如何调整算法加快全局最小值的寻找来适应大数据，本文介绍最常见的两种方法，即随机梯度下降和Map-reduce。

本文通过Photo OCR这个具体例子，我们可以学到:机器学习实际问题的复杂性;如何通过任务分解解决复杂性；以及如何通过天花板分析分配时间来更有效提高机器学习的准确度。